如何不用Pearson进行相关性分析

Pearson相关系数要求连续变量服从正太分布，如果是离散变量、不服从正态分布呢？
1. 回归问题中，如果出现这种情况怎么判断其相关性，判断出相关后怎么做处理？
2. 分类和聚类问题，分别需要相关性判断吗？怎么做？同样，判断出来相关，怎么处理相关的变量？
3.  逻辑回归本质上是一个线性分类器，那在满足正太分布的情况下，是不是可以使用Pearson相关系数来处理变量相关性
兄弟刚接触，请大哥们指点，最好详细点，谢谢

Pearson适合整台分布，离散的可以使用其它的。

回归问题，分为一元线性回归分析，多元线性回归分析.一元线性回归分析跟Pearson有点类似。他们的作用都是通过算法，发现两个或则多个元素之间的关系。

分类是事先已知的
聚类则是通过算法，自己形成分组。聚类技术及范围包括数据挖掘、统计学、机器学习、空间数据库技术、生物学以及市场营销等领域下面关于聚类的资料，仅供参考
聚类算法---以K-means算法实例
http://www.aboutyun.com/forum.php?mod=viewthread&tid=19752

逻辑回归涉及的因素可能多一些.二者是有区别的。Pearson相关系数适用于两变量

muyannian 发表于 2017-5-16 15:25
Pearson适合整台分布，离散的可以使用其它的。

回归问题，分为一元线性回归分析，多元线性回归分析.一元 ...

事先已知是什么意思

zeus_lhl 发表于 2017-5-16 18:09
事先已知是什么意思

就是简单的分类。
比如我们手里有红铅笔，绿铅笔等。我们可以按照颜色分类。
对于聚类，是预测不到的。